Decoupled Networks 论文笔记

0 摘要     基于内积运算的卷积操作一直是卷积神经网络（CNN）的核心组件，也是学习视觉表示的关键。我们观察发现，CNN学习的特征是类内差异（特征的幅值）和类间差异（特征间的夹角，语义差异）的耦合。我们提出了一种通用的解耦学习框架，该框架对类内差异和类间差异进行独立的建模。具体而言，我们首先将内积重新分解为解耦的形式，然后将其推广到解耦卷积算子，利用该算子构建解耦网络。我们提出了解耦卷积算子的

>>阅读原文<<